Classification of spinal cord injury in rats by machine learning of gait parameters
Sıçanlarda yürüme parametreleri ve makine öğrenmesi ile omurilik yaralanmasının sınıflandırılması
- Tez No: 941674
- Danışmanlar: PROF. DR. BURAK GÜÇLÜ
- Tez Türü: Yüksek Lisans
- Konular: Nöroloji, Biyoistatistik, Biyomühendislik, Neurology, Biostatistics, Bioengineering
- Anahtar Kelimeler: Makine öğrenmesi, Spinal kord yaralanmaları, Sınıflandırma, Yürüme analizi, Machine learning, Spinal cord injuries, Classification, Gait analysis
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyomedikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Makine Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Omurilik yaralanması (OY), duyu ve motor fonksiyonlarını önemli ölçüde et-kileyen, yüksek morbiditeye sahip kritik bir nörolojik durumdur. Bu tez, yürüme parametrelerinin ve lokomotor skorlamalarının makine öğrenimi tabanlı analizini kullanarak sıçanlarda OY sonrası geçen süreyi ve nörostimülasyon tedavi alımını sınıflandırmak için yeni bir yaklaşım sunmaktadır. Sıçan hareket görüntülerinden edinilen veri-lerle sınıflandırma doğruluğu ve yöntemin uygulanabilirliği açısından literatürdeki mevcut çalışmalarla karşılaştırmaktadır. Analiz edilen temel parametreler arasında Basso, Beattie and Bresnahan (BBB) lokomotor derecelendirme skalası ve Von Frey (vF) ge-riçekme eşiği gibi ölçümlerin yanı sıra basma fazı, salınım fazı, adım uzunluğu, basma fazı oranı ve pati alanı yer almaktadır. İşaretleyicisiz poz tahmin aracı olan DeepLabCut (DLC) ile sadece yanal görüntü odaklı metotlarla ilişkili zorlukların üstesinden gelinerek yürüme parametreleri çıkarıl-mıştır. Daha sonra yürüme parametreleri, BBB skorları ve vF eşik değerleri farklı algoritmalar kullanan Kollektif Öğrenme yöntemine öznitelik olarak verilmiş ve yaralanma sonrası süre ve deneklerin nöromodülasyon tedavisi alıp almadıkları öngörülmüştür. OY olan hayvanlarda ön ve arka ayaklardan elde edilen yürüme parametreleri ve BBB skorlarıyla yaralanma sonrası 6 farklı hedef sınıfı \%43 doğrulukla bulunmuştur. Aynı öznitelik kümesiyle tedavi ise \%71 doğrulukla öngörülmüştür. Sonuçlar, yöntemin tedavi gruplarını ve OY süresini sınıflandırmada etkili olduğunu göstermiştir. Ancak doğruluğu arttırmak için ek çalışmalar gerekmektedir. Derin öğrenme ile parametre çıkarımı OY araştırmaları için erişilebilir, uygun maliyetli çözüm sağlamaktadır.
Özet (Çeviri)
Spinal cord injury (SCI) represents a critical neurological condition with high morbidity, significantly impacting sensory motor functions. This thesis introduces a novel approach to classify the time after SCI and rats which recieved neuromodulation therapy by using machine learning (ML) based analysis of gait parameters and locomotor scores. Utilizing data derived from video imaging of rat locomotion, this study evaluates the accuracy and feasibility of the approach compared to previous literature. Key parameters analyzed include stance duration, swing duration, stride distance, limb duty factor, and paw area, alongside traditional metrics like Basso, Beattie and Bresnahan (BBB) locomotor rating scale and Von Frey (vF) withdrawal thresholds. The integration of markerless pose estimation tool, DeepLabCut (DLC), allowed for detailed extraction of gait parameters, overcoming challenges associated with lateral plane-focused methodologies. By using images from lateral and bottom views, footsteps were associated with animals' body movement and the gait pattern was extracted by deep-learning methods. Gait parameters, BBB scores and vF thresholds were input as features to Ensemble Learning including various ML methods to predict time after injury and neuromodulation treatment. In animals with SCI, gait parameters and BBB scores from both fore-hindlimbs, allowed prediction of post injury class (6 end-points) with \%43 accuracy. The same feature set predicted treatment with \%71 accuracy. Results showed that the methodology can effectively differentiate between treatment groups and time after SCI. However, additional work is needed to improve accuracy. Parameter extraction by deep-learning also provides an accessible and cost-effective solution for SCI research.
Benzer Tezler
- Sıçan nöropatik ağrı modelinde nöroinflamasyonda aracı süreçler
İn rat neuropathic pain model, mediator processes in nöroinflammation
RECEP SELİM ŞENTÜRK
Tıpta Uzmanlık
Türkçe
2019
Eczacılık ve FarmakolojiEge ÜniversitesiTıbbi Farmakoloji Ana Bilim Dalı
PROF. DR. SİBEL GÖKSEL
- Classification of EEG signals in individuals with spinal cord injury
Omurilik yaralanması olan bireylerde EEG sinyallerinin sınıflandırılması
ALHAJI OSMAN BAH
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET AYDIN
- Spinal kord yaralanmalı hastalarda idrar yolu enfeksiyon sıklığı
Frequency of urinary tract infection in patients with spinal cord injury
MUHAMMED MUSTAFA ÖZTÜRK
Tıpta Uzmanlık
Türkçe
2025
Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. BURCU HAZER
- Spinal kord hasarı olan hastalarda suprapubik usg ile ölçülen detrüsör ve mesane duvar kalınlığının ürodinamik parametrelerle korelasyonu
Correlation of detrusor and bladder wall thickness measured by suprapubic ultrasonography with urodynamic parameters in patients with spinal cord injury
KEREM ÇEKİNEL
Tıpta Uzmanlık
Türkçe
2026
Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. HAKAN TUNÇ
- Tetraplejik ve yüksek seviyeli paraplejik spinal kord yaralanmalı hastalarda tilt-table uygulamasının pulmoner fonksiyonlar üzerine etkisi
Effects of tilt-table application on pulmonary functions in patients with tetraplegic and high level paraplegic spinal cord injury
DEVRİM IŞIK
Yüksek Lisans
Türkçe
2002
Fiziksel Tıp ve RehabilitasyonDokuz Eylül ÜniversitesiFizik Tedavi ve Rehabilitasyon Ana Bilim Dalı
DOÇ.DR. KAMİL YAZICIOĞLU